numpy/scipy (शायद वाटरशेड) के साथ आकार पहचान

Question

मेरा लक्ष्य उन चित्रों का पता लगाने के लिए है जिनमें उनमें बहुत से अलग आकार हैं और इन आकारों को अलग-अलग छवियों में विभाजित करना है। यह सफेद पर काला है। मैं काफी numpy, opencv & सह करने के लिए नए हूँ - लेकिन यहाँ मेरे वर्तमान सोचा है:

• काला पिक्सल के लिए स्कैन
• काला पिक्सेल पाया -> वाटरशेड
• जल सीमा लगता है (बहुभुज पथ के रूप में)
• खोज जारी है, लेकिन पहले से ही पाया सीमाओं

मैं चीजों को इस तरह से बहुत अच्छा नहीं कर रहा हूँ के भीतर अंक की अनदेखी, वहाँ एक बेहतर तरीका है?

सबसे पहले मैं वाटरशेड परिणामों के आयताकार सीमांकन बॉक्स लगाने के लिए (यह कम या ज्यादा उदाहरण के एक महाविद्यालय है) की कोशिश की:

from numpy import * 
import numpy as np 
from scipy import ndimage 

np.set_printoptions(threshold=np.nan) 

a = np.zeros((512, 512)).astype(np.uint8) #unsigned integer type needed by watershed 
y, x = np.ogrid[0:512, 0:512] 
m1 = ((y-200)**2 + (x-100)**2 < 30**2) 
m2 = ((y-350)**2 + (x-400)**2 < 20**2) 
m3 = ((y-260)**2 + (x-200)**2 < 20**2) 
a[m1+m2+m3]=1 

markers = np.zeros_like(a).astype(int16) 
markers[0, 0] = 1 
markers[200, 100] = 2 
markers[350, 400] = 3 
markers[260, 200] = 4 

res = ndimage.watershed_ift(a.astype(uint8), markers) 
unique(res) 

B = argwhere(res.astype(uint8)) 
(ystart, xstart), (ystop, xstop) = B.min(0), B.max(0) + 1 
tr = a[ystart:ystop, xstart:xstop] 

print tr 

---

किसी तरह, जब मैं मूल सरणी का प्रयोग (क) तो तर्क कहां काम करता है, लेकिन वाटरशेड (res) के बाद यह फिर से पूरी सरणी आउटपुट करता है।

अगला चरण आकार के चारों ओर बहुभुज पथ खोजने के लिए हो सकता है, लेकिन बाउंडिंग बॉक्स अब के लिए बहुत अच्छा होगा!

कृपया मदद करें!

Answer 1

@Hooked पहले से ही अपने प्रश्न का सबसे उत्तर दिया है, लेकिन मैं यह लिख जब वह जवाब के बीच में था, तो मैं इसे पोस्ट करेंगे आशा है कि यह अभी भी उपयोगी है ...

आप कुछ बहुत सारे हुप्स के माध्यम से कूदने की कोशिश कर रहे हैं। आपको watershed_ift की आवश्यकता नहीं है।

प्रत्येक ऑब्जेक्ट के बाउंडिंग बॉक्स को खोजने के लिए आप एक बूलियन सरणी में अलग ऑब्जेक्ट्स को अलग करने और scipy.ndimage.find_objects का उपयोग करने के लिए scipy.ndimage.label का उपयोग करते हैं।

चलिए चीजों को थोड़ा सा तोड़ दें।

import numpy as np 
from scipy import ndimage 
import matplotlib.pyplot as plt 

def draw_circle(grid, x0, y0, radius): 
    ny, nx = grid.shape 
    y, x = np.ogrid[:ny, :nx] 
    dist = np.hypot(x - x0, y - y0) 
    grid[dist < radius] = True 
    return grid 

# Generate 3 circles... 
a = np.zeros((512, 512), dtype=np.bool) 
draw_circle(a, 100, 200, 30) 
draw_circle(a, 400, 350, 20) 
draw_circle(a, 200, 260, 20) 

# Label the objects in the array. 
labels, numobjects = ndimage.label(a) 

# Now find their bounding boxes (This will be a tuple of slice objects) 
# You can use each one to directly index your data. 
# E.g. a[slices[0]] gives you the original data within the bounding box of the 
# first object. 
slices = ndimage.find_objects(labels) 

#-- Plotting... ------------------------------------- 
fig, ax = plt.subplots() 
ax.imshow(a) 
ax.set_title('Original Data') 

fig, ax = plt.subplots() 
ax.imshow(labels) 
ax.set_title('Labeled objects') 

fig, axes = plt.subplots(ncols=numobjects) 
for ax, sli in zip(axes.flat, slices): 
    ax.imshow(labels[sli], vmin=0, vmax=numobjects) 
    tpl = 'BBox:\nymin:{0.start}, ymax:{0.stop}\nxmin:{1.start}, xmax:{1.stop}' 
    ax.set_title(tpl.format(*sli)) 
fig.suptitle('Individual Objects') 

plt.show() 

उम्मीद है कि यह थोड़ा साफ वस्तुओं के सीमांकन बॉक्स लगाने के लिए कैसे है कि बनाता है।

Answer 2

ndimage लाइब्रेरी का उपयोग करें। फ़ंक्शन label एक थ्रेसहोल्ड के भीतर वाले पिक्सल के प्रत्येक ब्लॉक पर एक अनूठा टैग रखता है। यह अद्वितीय क्लस्टर (आकार) की पहचान करता है। a की अपनी परिभाषा के साथ शुरू:

from scipy import ndimage 

image_threshold = .5 
label_array, n_features = ndimage.label(a>image_threshold) 

# Plot the resulting shapes 
import pylab as plt 
plt.subplot(121) 
plt.imshow(a) 
plt.subplot(122) 
plt.imshow(label_array) 
plt.show()